機電控制系統中的智能控制關鍵技術研究

鄧智遠

摘要：本文介紹了模糊邏輯控制，神經網絡控制以及學習控制三個重要的控制方法，研究了智能控制技術在機電控制系統中的應用。

關鍵詞：神經網絡技術;智能控制;策略控制

中圖分類號：TP273 文獻標識碼：A 文章編號：1007-9416（2018）11-0028-01

0 引言

智能控制技術是指基于智能化設備，利用非線性控制系統對其進行控制，保證機器能夠在結構化或者非結構化環境中實現自主活動的控制技術。智能控制是電子信息技術發展到高級階段的表現，主要包括智能信息處理，信息反饋以及控制決策等幾個方面。智能控制技術主要是針對傳統控制方法無法解決的問題而提出的，因而無法像傳統控制方法一樣基于數學模型或大量的實驗數據進行設計，而是一個不斷探索，智能實現的過程。機電控制系統的根本要求是要求系統具有自主決策、自主控制的能力，控制多樣性的系統。隨著研究的不斷深入，模糊邏輯控制神經網絡學習技術得到迅猛發展，成為智能控制技術中最為關鍵的內容，在機電控制系統中起到了舉足輕重的作用，因此，分析關鍵控制技術的主要原理，探索智能控制技術主要應用內容十分有必要。

1 智能控制技術概述

面對不同的被控對象以及控制的任務目標和工作環境結合形成的復雜控制環境，智能控制技術這一技術概念被提出。和傳統的控制方法手段相比，智能控制技術的控制方法中被控對象模型所起到的作用得到降低，在控制系統沒有明確的數學模型下也可以進行有效的控制，常見的智能控制技術主要包括以下幾個方面。

1.1 模糊邏輯控制

扎德教授于1965年首先提出模糊邏輯控制理論，這種控制理論的特點是借鑒人類大腦思考問題時具有模糊聯想的特點，借助于經驗控制和模糊邏輯對不確定性的系統進行控制和設計。和傳統的控制方式相比，模糊控制不是從被控對象本身的數學結構進行控制方法的設計，而是從人類邏輯思考的特性出發，設計實現出一套完整的控制方法。一般地，經典的模糊邏輯控制器的控制規則以及函數是通過經驗總結得到的，沒有學習能力，在控制過程中不會對規則和函數進行實時修改，適應性較差，這種控制器多應用于爐窯溫度控制、水處理過程、化工企業處理等方面。為了適應更多的工作場合，在此基礎上出現了很多改進的控制器，例如模糊PID調節器和模糊神經網絡控制器等。在該領域相對應的熱點和難點問題也得到了進一步的發展，例如模糊系統建模、模糊控制器的設計以及模糊控制器的穩定分析等方面。

1.2 神經網絡控制

在1943年，McCmIcon和Pitts兩名科研人員提出了神經元的數學模型，神經網絡理論開始發展，但是直到80年代該理論才真正得到人們的重視并開始迅速發展，尤其是感知器網絡的學習算法于1986年提出后，神經網絡理論的應用變得更加廣泛，也引申出了神經網絡控制算法。該算法主要是指利用傳感器和微電子電路對人類大腦進行模擬，通過仿照人腦結構和工作原理的方法來實現對被控對象的控制，并且擁有學習能力、非線性映射功能和并行計算的能力。因此，面對多線性、強耦合以及不確定性系統時，利用該理論可以有效地解決這類控制問題。神經網絡模型的種類較多，在控制領域也漸漸起到越來越重要的作用，影響著控制器的智能化實現，目前，應用于機電控制系統中的神經網絡算法主要有多層前向傳波網絡（MLP）、遞歸神經網絡等智能控制算法[1]。

1.3 學習控制

由于被控對象的非線性和系統建模的偏差會導致不確定性，對于這種缺乏必須的實驗數據的對象，在進行控制時會存在較大的困難，而學習控制的目的就是應用在這些方面以減小控制的難度。和自適應控制理論相比，這種控制理論重點是學習控制強調記憶，將過去的經驗數據和過去的控制條件進行聯系，并且可以通過適當的控制局勢來選取適合的控制經驗。為了保證學習的有效進行，選取合適的獎懲函數和學習次數可以針對不同的工作需求進行設定，從而保證學習的高效性。

綜合來看，學習控制理論的研究方向主要包括四個方面：（1）基于迭代的學習控制。主要應用于周期性工作的非線性控制系統，例如機械手控制;（2）基于模式識別的學習控制，例如VC學習、再勵學習、隨機逼近以及Bayes學習等;（3）進化計算。進化計算是一種隨機性全局優化算法，其工作原理是模擬自然進化過程。對于全局性、并行性和魯棒性等方面進行控制算法的優化學習，遺傳算法、進化策略等優化算法起到了非常重要的作用;（4）連接主義學習控制。這一內容的實現主要基于人工神經網絡技術。

2 智能控制技術在機電控制系統中的應用

2.1 智能化控制與策略控制

智能控制技術應用在工程機械行業中，能夠大大提高機械的工作效率、對于各種故障的診斷能力以及工程的質量有很大提升，除此之外還能夠很好地解決傳統方法的控制問題。對于高溫、高寒以及水下等惡劣的工作環境，使用智能機械來代替人工進行作業能夠提高工程的質量，在救災等緊急任務中，智能機械技術發揮著極其重要的作用，并且在將來會得到越來越廣泛的應用。因為控制機械的工具具有多樣性，對于不同的被控對象所使用的控制策略也不盡相同，而智能操作技術能夠根據不同的被控對象進行控制策略的更改。例如，壓路機進行作業時的控制要求要提高作業質量，而挖掘機在作業中的控制要求是高效環保，因此控制策略要在具體的工程中進行分析[2]。

2.2 在機器人智能控制中的應用

智能機器人能夠協助人們完成許多困難的作業要求，在提高生產加工精度和加工效率等方面起到了非常重要的作用，備受機械加工領域的重視，近年來科學技術得到了大規模的發展，機器人領域中的機電控制系統也成為了人們重點關注的對象。在近年科學技術不斷提高發展的前提下，機器人控制系統的優化與探究逐漸成為人們最關注的熱點之一。機電控制系統是機器人的核心，神經網絡，機器學習等先進算法不斷對機器人的控制系統進行優化，進一步擴大了機器人的應用范圍[3]。

2.3 在工業智能控制中的應用

針對于化工行業，材料加工行業以及生物醫學等原理復雜，加工困難，加工要求高的行業，因為生產線大多復雜，生產過程中受制因素較多，利用利用智能控制技術可以對生產線進行進一步的優化，提高加工過程的精確度，改善加工條件。

3 結語

在數學模型和非線性等實際工程中，智能控制是一種系統性、精準性的處理工具，在選擇智能方案時要綜合考慮各個因素的影響，例如對于具體的智能機械控制對象，在選擇優化的控制方案時，要去全面考慮控制器各個部件組合的難易程度再進行采購;為了使得人機交互操作更加簡便，在控制策略和控制界面的設計中要進行合理的選擇和布局;在保證技術滿足工程需求的同時，要盡可能地使用優化過的經典系統控制方案。這類問題在智能控制技術的應用中要進行充分地考慮并進行解決，隨著科學技術的不斷進步，終有一天會將這些問題完善解決，智能控制技術也會在機電控制系統中發揮更加重要的作用。

參考文獻

[1]王富田.基于智能技術的電氣自動化控制系統[J].南方農機，2018（4）：106.

[2]孫中建，卜留軍.人工智能技術在電氣自動化控制系統中的應用分析[J].機電信息，2012（33）：137-138.

[3]趙磊.智能化技術在電氣自動化控制系統中的應用分析[J].中國高新科技，2018（2）：74-76.

Research on Key Technologies of Intelligent Control in Electromechanical Control System

DENG Zhi-yuan

（Jining No.1 Middle School， Jining Shandong? 272000）

Abstract：This paper introduces three important control methods： fuzzy logic control， neural network control and learning control， and studies the application of intelligent control technology in electromechanical control system.

Key words：neural network technology; Intelligent control; strategic control